A <i>c</i> / <i>μ</i> ‐Rule for Job Assignment in Heterogeneous Group‐Server Queues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We study a dynamic job assignment problem in queueing systems with one class of Poisson arrivals and K groups of heterogeneous servers. A scheduling policy prescribes the job assignment among servers in each group at every state n (number of jobs in the system). Our goal is to obtain the optimal policy to minimize the long‐run average cost, which involves the increasingly convex holding cost for jobs and the operating cost for working servers. This problem has wide application scenarios in operations management, such as job scheduling in manufacturing systems, packet routing in communication systems, and staffing in service systems. We prove that the optimal policy has monotone structures and quasi bang–bang control forms. Specifically, we discover that the optimal policy is governed by the marginal cost rate c − μG ( n ), where c is the operating cost rate, μ is the service rate, and G ( n ) is called the perturbation realization factor at state n . Under the condition of scale economies which can be guaranteed by any increasingly concave operating cost in μ , we prove that the optimal policy obeys a so‐called c / μ ‐ rule : Servers with a smaller c / μ should be occupied by jobs with higher priority. Optimality of multi‐threshold type policies is further proved when the c / μ ‐rule is applied. Our c / μ ‐rule in group‐server queues can be viewed as a counterpart of the famous cμ ‐rule in polling queues, which both significantly reduce the complexity of optimization problems. By utilizing these optimality structures, we also develop computational‐efficient algorithms to determine the optimal policy numerically. Simulation experiments demonstrate the good scalability and robustness of the c / μ ‐rule, which are important for managerial practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle